ADAS (Advanced Driver Assistance Systems)

Definizione di ADAS

Con il termine ADAS (Advanced Driver Assistance Systems) ci si riferisce a quei sistemi elettronici di assistenza alla guida che nei veicoli supportano il conducente in determinate situazioni e contribuiscono generalmente a incrementare la sicurezza e/o il comfort di guida. Tra questi figurano il Lane Keeping Assist (sistema antisbandamento), il Brake Assist (frenata assistita) o il Park Assist (sistema di parcheggio automatico).

Sviluppo dei sistemi ADAS tramite MATLAB e Simulink

La realizzazione di sistemi ADAS e di veicoli parzialmente autonomi costituisce una sfida importante per i costruttori di tali sistemi. Nello sviluppo dei sistemi ADAS, la progettazione model-based tramite MATLAB® e Simulink® contribuisce in maniera significativa a risolvere le sfide tecnologiche e a garantire il successo di questa nuova era della mobilità.

Sensori ADAS e modellazione ambientale

Il requisito fondamentale per una guida completamente assistita è il riconoscimento affidabile e preventivo di qualsiasi situazione di traffico attorno al veicolo. A tale scopo è necessario un cosiddetto modello ambientale, che comprende una mappatura completa di tutti gli oggetti, ostacoli e spazi liberi. La modellazione ambientale viene generata utilizzando i dati raccolti da diversi sensori posizionati nel veicolo. Un sistema ADAS utilizza tecnologia radar, telecamere, LIDAR, ultrasuoni, GPS e altri sensori. MATLAB e Simulink offrono estensioni efficaci per lo sviluppo di sensori e algoritmi associati per l’elaborazione di segnaliAntenna Toolbox™Phased Array System Toolbox™ e RF Blockset™ supportano lo sviluppo efficiente delle applicazioni radar. Per la tecnologia dei sensori basati su telecamere, Image Processing Toolbox™ e Computer Vision System Toolbox™ offrono allo sviluppatore un’ampia gamma di opportunità per l’elaborazione di immagini, il riconoscimento oggetti a valle basato sul processamento video e l’elaborazione di nuvole di punti da un sensore LIDAR.

Fusione di sensori

La fusione dei dati dei sensori (spesso denominata “Sensor Fusion”) si serve della reciproca integrazione dei punti di forza specifici di ogni singolo sensore per completare il modello ambientale ADAS e verificare i dati relativi agli oggetti da sensori diversi mediante comparazione. La fusione dei dati dei sensori è un processo programmabile direttamente con MATLAB, dal momento che per consolidare e analizzare i dati sono spesso necessari costrutti ciclici e operazioni con vettori e matrici. Inoltre, grazie alle numerose funzioni per la visualizzazione e la generazione automatica di codice C, MATLAB offre una serie di vantaggi aggiuntivi nella gestione di queste operazioni rispetto ai linguaggi di programmazione tradizionali.

Analisi della situazione e la logica decisionale dei sistemi ADAS

L’analisi della situazione e la logica decisionale rappresentano una macchina a stati complessa. Ciò determina il comportamento delle funzioni del sistema per la manovra di guida automatica a partire dalle informazioni ricavate dal modello ambientale ADAS. Qui entra in gioco Stateflow® come strumento (basato su Simulink) per lo sviluppo model-based di logiche decisionali mediante macchine a stati.

Controllo ADAS

Le manovre definite tramite logica decisionale devono quindi essere implementate dal sistema di controllo del veicolo in relazione alla frenata, alla sterzata e agli interventi sul motore; qualunque modifica deve essere adattata continuamente e immediatamente nello scenario di guida. Simulink offre anche una soluzione model-based completa per la progettazione e il test degli algoritmi del sistema di controllo. La progettazione di sistemi basati su diagrammi a blocchi in Simulink e la formulazione di una macchina a stati in Stateflow, che definisce il comportamento del controller in diversi punti di lavoro, forniscono allo sviluppatore (insieme alla sintesi automatica del controller in Simulink Control Design™) gli strumenti adeguati per un’efficace progettazione del controller. Inoltre, ciò consente di eseguire test funzionali dei componenti modellati del controller nelle prime fasi dello sviluppo.

Simulazione del sistema completo ADAS

Oltre alla progettazione model-based dei singoli componenti ADAS, è possibile integrare queste funzioni parziali in un sistema completo una volta testate correttamente. Successivamente, è possibile testare la funzione ADAS in relazione con un modello di veicolo e con l’ambiente nel contesto di un processo completo di guida virtuale sotto forma di simulazione a ciclo chiuso. Simulink offre interfacce per gli strumenti di simulazione di varie aziende partner allo scopo di virtualizzare l’infrastruttura attorno al veicolo, compresi tutti gli oggetti dell’ambiente. La simulazione completa del processo di guida automatica fornisce al team di sviluppo una serie di vantaggi: Per esempio, la possibilità di testare le funzioni ADAS in situazioni difficili di guida in un ambiente virtuale per garantire un’affidabile e precoce attività di verifica e validazione a livello del veicolo mediante un’integrazione model-based. Ciò consente di accelerare notevolmente il ciclo di innovazione mediante iterazioni di progetto rapide e regolazioni flessibili delle condizioni ambientali (per esempio la differenza tra superfici di guida asciutte e umide) e assicura la riproducibilità dei risultati del test.

Etichettatura sul campo e risimulazione degli algoritmi ADAS

Un approccio complementare alla simulazione completa a ciclo chiuso dei sistemi ADAS è il test model-based a ciclo aperto degli algoritmi per la fusione dei dati dei sensori e l’analisi situazionale, compresi i dati rilevati dai test su veicoli reali. Questa operazione viene chiamata anche “risimulazione”. Mediante la cosiddetta etichettatura sul campo, che può essere in gran parte automatizzata con MATLAB, gli oggetti e le informazioni di riferimento vengono identificati in dati video misurati. In prima analisi, vengono analizzati i dati del veicolo rilevati per determinare se gli algoritmi abbiano riconosciuto correttamente gli oggetti e la situazione del traffico. Se gli algoritmi analizzano in maniera errata i dati dei sensori (per esempio in caso di mancata rilevazione di un oggetto esistente) lo sviluppatore può correggere l’errore nell’algoritmo e applicare nuovamente l’algoritmo modificato ai dati rilevati dal sensore mediante una simulazione.

Sicurezza funzionale dei sistemi ADAS

Spesso gli sviluppatori dei sistemi ADAS devono far fronte a sistemi e funzioni che hanno l’obbligo di soddisfare i requisiti di ASIL D in conformità a ISO 26262. Più alto è il livello di automazione, maggiore è l’esigenza di sicurezza funzionale. MathWorks supporta gli sviluppatori di applicazioni in materia di sicurezza svolgendo un ruolo chiave nei sistemi ADAS con un flusso di lavoro prequalificato per lo sviluppo model-based delle funzioni del veicolo. Con l’aiuto di Embedded Coder®, queste vengono quindi tradotte in Codice C per l’implementazione conforme a ISO nell’unità di controllo.

Test di affidabilità del software per sistemi ADAS

Una delle sfide principali dello sviluppo di sistemi ADAS è la fase di test. È necessario coprire alcune centinaia di milioni di chilometri di prova per testare completamente un prototipo reale. Nel contesto della guida automatica, lo sviluppo model-based con MATLAB e Simulink consente agli sviluppatori di testare i componenti ADAS e i sistemi completi in una fase iniziale. In questo modo è possibile rilevare precocemente eventuali difetti sistematici di implementazione o requisiti errati, apportare miglioramenti e integrarli nel sistema, in modo da risparmiare svariati chilometri di test. La verifica del modello viene eseguita già in fase di progettazione, sia per la correttezza strutturale mediante l’analisi della copertura model-based, sia attraverso analisi statistiche o formali aggiuntive per eventuali errori di runtime in una fase successiva. La fase di verifica del codice, che segue la generazione automatica del codice, ha la funzione di proteggere nuovamente il codice e verificare l’equivalenza tra il codice generato e il modello del sistema ADAS.



Vedere anche : Pattern Recognition, Riconoscimento facciale, Filtro di Kalman, RANSAC, Elaborazione di immagini digitali, Software di simulazione